CCF Research Engineer 是一个研究工程实现类技能，主要服务于研究代码的落地与调试。
用途 该技能用于实现和调试研究代码、选择合适的代码库、复现基线、将机制映射到模型架构，以及优化训练。其核心规则是：在已检查的项目或合适的现有实现上构建，保留所要求的科学机制，并以实际代码和相关执行证据完成工程任务。选择复用、扩展、迁移还是新实现，取决于具体的兼容性与维护成本。不应以方便的玩具实现替代研究目标，也不应仅因结构不熟悉就重写可用的技术栈。
主要能力 技能将实现正确性、成功执行、结果复现与科学主张证据加以区分。小型受控实验、缩减形状和短时运行在回答明确的诊断或研究问题时是有用的，但需保留其真实身份与限制，不能据此宣称未执行的全方法结果。技能涵盖代码库选择与机制集成、依赖冲突解决、基线复现、训练诊断、内存/吞吐优化、已知缺陷修复，以及重复的假设驱动研究。
使用方式 技能遵循文件契约：在文件操作前复用规范路径和单一任务/产物工作目录，默认使用项目根目录下的 ccfa-workfiles/<purpose>/<artifact-id>/，就地更新、保留输入，并使用 UTF-8 与中文文本检查。协作契约要求在执行专门工作前先阅读并应用 ccf-humanization，然后应用 ccf-common，并在每次交接时复用其适用的活动规则。调用控制方面，CCFA 交接模式为 PARTIAL（推荐），遵循 metadata.ccf_skill_controls.handoff_question_mode 及相关参考文件。请求的实现或修复授权其在用户范围内进行必要的本地工程步骤；仅选择或仅计划的请求不授权训练。
适用场景 适用于需要选择代码库、集成新机制、解决依赖冲突、复现基线、诊断训练、改善内存/吞吐、修复既定实现中的已知缺陷，或参与重复假设驱动研究的场景。技能根据当前请求、项目和可复用证据进入未解决的工程决策点，这些是条件分支而非强制流水线。
限制 该技能不增加 GPU 访问、调度器、容器隔离、实验跟踪器或自动恢复服务，仅使用宿主实际暴露的执行、性能分析、环境和作业控制设施。可选的顺序辅助工具管理前台命令和文件快照，应按其文档限制使用，而非视为分布式训练平台。缺失工具会阻塞其依赖的验证，但不阻塞独立的检查或实现。当现有技术栈能回答任务时，不应要求新框架、集群、跟踪器或完整重训练。工程完成不要求正向科学结果；有效的负向发现、修复的失败或测量的瓶颈均可完成其请求的任务。